度量观测方程系数矩阵复共线性的最小相对范数法

当法方程系数矩阵N(N＝A^TA)具有较强的复共线性时,其结构是“病态”的。“病态”的N将破坏参数LS估值的优良性质和质量。因而,度量N的复共线性对判断其是否病态很重要。度量矩阵复共线性的方法有多种,其中,矩阵的条件数法最为常用。针对条件数法的不足,提出一种直接度量观测方程系数矩阵A的复共线性的新方法。这种方法是对矩阵A中n个列向量αl实施Gram-Schmidt正交化,求每一个向量正交化前后的范数及其相应的比值,以一组比值中的最小值作为该矩阵复共线性的度量。这种方法的显著特点是：度量有明确的上、下界,度量值仅反映参数列向量间的复共线性,根据参考指标可以有效地判断矩阵的病态性。依据这种方法,便于研究矩阵复共线性的产生原因与解决方案;作者将此方法概括为最小相对范数法。     

论三种平差模型的统一性

本文从吉洪诺夫正则化方法出发,推导出经典平差、自由网平差、广义岭估计的数学模型;分析了它们与系数阵复共线性的关系,证明它们分别是不同条件数下吉洪诺夫正则化方法的具体形式,从而三种平差模型有机地统一成一种数学模型。     

利用复共线性诊断确定偏差矫正项的截断型岭估计

为了避免有偏估计的偏差对可靠部分的影响,提出了偏差矫正的正则化方法,但是偏差矫正项的选取是个关键问题。首先采用复共线性诊断、度量和检验所获得的重要信息,对受复共线性危害严重的分量进行估计,且使得均方误差达到极小。然后基于偏差矫正的正则化解法的一般理论,得到偏差矫正的分析性条件,从而得到一种新的基于复共线性诊断确定偏差矫正项的截断型岭估计。最后通过算例分析验证了该方法在提高解的质量、参数估值的准确性和稳定性方面的优良性。     

航空重力向下延拓分组修正的正则化解法

在航空重力向下延拓中,针对病态性对解算结果各个部分影响的不同进行分组修正,提出了分组修正的正则化解法。利用信噪比评估病态性影响,得到将参数分组的方式;依分组修正思想构造正则化矩阵;通过极小化均方误差选取正则化参数。基于EGM2008重力场模型仿真一组航空重力数据,验证了该方法对航空重力数据向下延拓过程的有效性,并与另外3种方法作比较。结果表明,新方法具有更高的精度。     

鱼眼相机检校的正则化方法比较分析

鱼眼相机因其成像视场极大而在全方位视觉、测量、工业制造等领域得到了广泛的应用,但在应用鱼眼相机之前需要对其进行检校。鱼眼相机参数包括畸变参数、内方位参数和外方位参数等,这些参数之间存在着很强的复共线性而使法方程呈现严重病态,导致参数解容易受到观测误差的影响,正则化方法恰好能够有效地解决方程病态的问题。针对鱼眼相机的特点,首次提出了鱼眼相机检校的正则化方法,介绍了基于半视场角约束的鱼眼相机检校方法,阐述了Tikhonov正则化方法和截断奇异值（TSVD）正则化方法的基本原理,探讨了求解正则化参数的L曲线法和广义交叉检验法（GCV）的特点,最后构建了5种不同的正则化方案对15组数据进行了分别处理,并对得到的相机参数的精度和准确度进行了比较分析。实验分析表明：各种正则化方案会引起相机内方位参数约为0.2像素的轻微偏移,但是相对于直接最小二乘解其精度至少提高了1000倍,能够极大地提高相机检校的抗干扰性。     

半参数模型中影响正则化参数的因素分析

通过模拟算例,比较了L曲线法、GCV法（广义交叉核实法）和虚拟观测法确定出的正则化参数,并对影响正则化参数的因素进行了分析,得出结论：正则化参数的确定与信噪比密切相关,当信噪比增大时,各种方法确定的正则化参数变化趋势不同,不同的情况确定正则化参数的适用方法也会有所差异。     

基于信噪比检验的双截断奇异值估计

将复共线性对参数估计危害的度量结果与截断奇异值估计相结合,提出了基于信噪比检验的双截断奇异值估计。利用信噪比检验,根据每个参数最小二乘估计信噪比估值的大小将待估参数分为受复共线性危害较大和较小的两部分,并对这两部分参数的截断奇异值估计进行不同强度的截断。对受复共线性危害较大的部分参数,使其截断参数相对较小,对受复共线性危害较小的部分参数,使其截断参数较大。这种精细化的处理在有效降低参数估计方差的同时减少了偏差的引入。将基于信噪比检验的双截断奇异值估计应用于GEO卫星定轨仿真算例中,实验结果表明,新方法的解算精度较高。     

探测复共线性的强影响观测值

在测量平差中,如何准确地找出对设计阵的复共线性产生很大影响的观测值(这种观测值称为复共线性强影响观测值),并进行恰当的处理,以便取得高精度的平差成果是一个具有实用价值但目前尚未得到重视的问题。为此,文中回顾和分析了现有的探测方法,在此基础上采用矩阵扰动分析的理论和方法,通过计算每个观测值对条件数的影响率,提出了探测复共线性强影响观测值的新方法———影响比法,并通过算例验证了该方法的有效性。     

探测复共线性的强影响观测值

在测量平差中,如何准确地找出对设计阵的复共线性产生很大影响的观测值(这种观测值称为复共线性强影响观测值),并进行恰当的处理,以便取得高精度的平差成果是一个具有实用价值但目前尚未得到重视的问题.为此,文中回顾和分析了现有的探测方法,在此基础上采用矩阵扰动分析的理论和方法,通过计算每个观测值对条件数的影响率,提出了探测复共线性强影响观测值的新方法--影响比法,并通过算例验证了该方法的有效性.     

正则化的奇异值分解参数构造法

Tikhonov正则化法引入正则化参数和稳定泛函来改善矩阵的病态性。稳定泛函表示为参数的二范约束时,正则化矩阵为单位阵的正则化法即为岭估计法。通过对岭估计的方差与偏差进行分析可知,岭估计改善矩阵病态性的同时也过度地引入了偏差,降低了解的可靠性,对较大奇异值的修正不能有效地减小估计的方差,却引入了偏差,而对较小奇异值的修正可有效地减小估计的方差。因此,选择较小奇异值特征向量构造正则化矩阵,调节各奇异值的修正,可有效减小参数估计的方差,减少偏差的引入,得到更为可靠的参数估计。通过试验证明了该方法的有效性。     

复共线性对参数估计危害的度量及检验

本文针对测量平差实际,引进和发展参数估计的信噪比的概念,以度量复共线性对参数估计的危害及其大小,并将问题归结为一个统计假设检验问题,给出了检验统计量和检验方法。大量的模拟计算结果表明,运用该方法能够对每个参数的估计是否受到复共线性的危害及其危害的大小做出合理的判断。     

Solving multicollinearity in dam regression model using TSVD

Targeting the multicollinearity problem in dam statistical model and error perturbations resulting from the monitoring process,we built a regularized regression model using Truncated Singular Value Decomposition(TSVD).An earth-rock dam in China is presented and discussed as an example.The analysis consists of three steps:multicollinearity detection,regularization pa-rameter selection,and crack opening modeling and forecasting.Generalized Cross-Validation(GCV) function and L-curve criterion are both adopted in the regularization parameter selection.Partial Least-Squares Regression(PLSR) and stepwise regression are also included for comparison.The result indicates the TSVD can promisingly solve the multicollinearity problem of dam regression models.However,no general rules are available to make a decision when TSVD is superior to stepwise regression and PLSR due to the regularization parameter-choice problem.Both fitting accuracy and coefficients’ reasonability should be considered when evaluating the model reliability.     

信噪比检验设计与剖析

利用信噪比概念对测量平差质量提出了一种度量检验方式。分析了复共线性、数据列短型、待估参数数量级差异和模型误差等影响平差质量的一些关键因素,找到了这些因素在信噪比中的数值反映。通过对这些数值的进一步分析,给出了关键因素对平差质量综合影响的一种解释。对于研究测量平差特别是病态问题平差的质量具有一定的价值。     

Variance Component Estimation in Linear Inverse Ill-posed Models

Regularization has been applied by implicitly assuming that the weight matrix of measurements is known. If measurements are assumed to be heteroscedastic with different unknown variance components, all regularization techniques may not be proper to apply, unless techniques of variance component estimation are directly implemented. Although variance component estimation techniques have been proposed to simultaneously estimate the variance components and provide a means of regularization, the regularization parameter is treated as if it were also an extra variance component. In this paper, we assume no prior information on the model parameters and do not treat the regularization parameter as an extra variance component. Instead, we first analyze the biases of estimated variance components due to the regularization parameter and then propose bias-corrected variance component estimators. The results have shown that they work very well. Finally, we propose and investigate through simulations an iterative scheme to simultaneously estimate the variance components and the regularization parameter, in order to eliminate the effect of regularization parameter on variance components and the effect of incorrect prior weights or initial variance components on the regularization parameter.     

平差参数的抗差特征根估计

在有偏估计的特征根方法基础上 ,利用等价权方法 ,提出一种新的估计—抗差特征根估计。它既能有效地克服设计阵复共线性的影响 ,又可显著地抵抗粗差的干扰。从而提高了参数估值的准确性、稳定性和可靠性。     

基于χ2准则的磁梯度张量3D聚焦反演方法

针对铁磁性物质反演中正则化参数自适应选择的问题,提出了基于χ2准则的磁梯度张量3D聚焦反演方法。利用深度加权矩阵和最小支撑矩阵对经典Tikhonov正则化理论框架下的反演模型进行约束得到目标函数,避免了由于反演参数多于采集点数而导致反演解的多解性,并有效解决了核函数随深度增大而快速衰减的问题。通过对目标函数进行迭代奇异值分解获得最佳物性参数,并根据χ2准则自适应地确定目标函数在迭代过程中的正则化参数,提高了迭代速度和求解精度。仿真和实验结果表明:该方法能准确还原磁性异常体的轮廓形态,具有较好的模型分辨率。